基于EasyDL的芯片表面缺陷检测方法研究

芯片引脚及芯片表面划痕缺陷检测在芯片的物理性检测和智能制造生产中都具有重要意义。为了实现对芯片引脚和表面划痕缺陷的高质量、高精度检测,文章结合Python-openCV对芯片图片进行预处理并利用百度飞桨EasyDL平台,采用有监督训练模式训练了芯片引脚检测模型以及芯片表面划痕分类模型。首先,判断图片亮度是否符合要求,并把不符合的图片进行增量,然后通过图像处理调整图片亮度,再通过阈值分割出芯片位置,对图片进行标注并送入EasyDL平台进行模型训练。实验阶段数据表明,引脚模型准确率为99.6%,测量误差为±0.1%、划痕模型准确率为100%,单张芯片图片判断引脚和划痕时间为56ms±3ms。因此利用图像预处理与深度学习相结合的芯片缺陷检测,不仅保证了缺陷检测的精度,同时还保证了模型的准确率,充分满足了检测行业对模型的高精度、高效率、高实时性的要求。